LF-YOLO: A Lighter and Faster YOLO for Weld Defect Detection of X-Ray Image

特征(语言学) 编码(集合论) 计算机科学 卷积(计算机科学) 人工智能 特征提取 模式识别(心理学) 图像(数学) 焊接 卷积神经网络 人工神经网络 计算机视觉 工程类 机械工程 哲学 集合(抽象数据类型) 程序设计语言 语言学
作者
Moyun Liu,Youping Chen,Jingming Xie,Lei He,Yang Zhang
出处
期刊:IEEE Sensors Journal [Institute of Electrical and Electronics Engineers]
卷期号:23 (7): 7430-7439 被引量:38
标识
DOI:10.1109/jsen.2023.3247006
摘要

X-ray image plays an important role in manufacturing industry for quality assurance, because it can reflect the internal condition of weld region. However, the shape and scale of different defect types vary greatly, which makes it challenging for model to detect weld defects. In this article, we propose a weld defect detection method based on convolution neural network (CNN), namely, lighter and faster YOLO (LF-YOLO). In particular, a reinforced multiscale feature (RMF) module is designed to implement both parameter-based and parameter-free multiscale information extracting operations. RMF enables the extracted feature map to represent more plentiful information, which is achieved by a superior hierarchical fusion structure. To improve the performance of detection network, we propose an efficient feature extraction (EFE) module. EFE processes input data with extremely low consumption and improves the practicability of whole network in actual industry. Experimental results show that our weld defect detection network achieves satisfactory balance between performance and consumption and reaches 92.9 mean average precision (mAP50) with 61.5 frames/s. To further prove the ability of our method, we test it on the public dataset MS COCO, and the results show that our LF-YOLO has an outstanding versatility detection performance. The code is available at https://github.com/lmomoy/LF-YOLO .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
一页书发布了新的文献求助10
1秒前
ANEWKID完成签到,获得积分10
1秒前
正直涔完成签到,获得积分10
2秒前
大吴克发布了新的文献求助10
3秒前
一只东北鸟完成签到 ,获得积分10
5秒前
li完成签到 ,获得积分10
5秒前
我不会乱起名字的完成签到,获得积分10
7秒前
烂漫的煎饼完成签到 ,获得积分10
9秒前
搁浅完成签到 ,获得积分10
10秒前
一一完成签到 ,获得积分10
11秒前
liyiren完成签到,获得积分10
12秒前
落日飞鱼完成签到 ,获得积分10
12秒前
大海是故乡完成签到,获得积分10
14秒前
Tina酱发布了新的文献求助10
15秒前
随机子应助冲冲冲采纳,获得10
16秒前
xiongqi完成签到 ,获得积分10
17秒前
清爽如雪完成签到 ,获得积分10
17秒前
摸鱼鱼完成签到,获得积分10
17秒前
有魅力勒完成签到,获得积分10
18秒前
小羊同学完成签到,获得积分10
18秒前
eee完成签到,获得积分10
19秒前
yirenli完成签到,获得积分10
20秒前
周周完成签到,获得积分10
20秒前
课呢完成签到,获得积分10
20秒前
修仙完成签到,获得积分10
20秒前
小菜鸡完成签到 ,获得积分10
22秒前
哈哈哈完成签到,获得积分10
22秒前
搁浅关注了科研通微信公众号
23秒前
孙友浩完成签到,获得积分10
26秒前
翁雁丝完成签到 ,获得积分10
27秒前
Sebastian完成签到,获得积分10
28秒前
刘一安完成签到 ,获得积分10
28秒前
青竹妈妈完成签到,获得积分10
28秒前
白茶的雪完成签到,获得积分10
28秒前
白鹤完成签到 ,获得积分10
29秒前
小詹完成签到,获得积分10
32秒前
licheng完成签到,获得积分10
32秒前
嫁个养熊猫的完成签到 ,获得积分10
32秒前
jx完成签到 ,获得积分10
33秒前
陈年人少熬夜完成签到 ,获得积分10
34秒前
高分求助中
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3183774
求助须知:如何正确求助?哪些是违规求助? 2833836
关于积分的说明 7995777
捐赠科研通 2496108
什么是DOI,文献DOI怎么找? 1331890
科研通“疑难数据库(出版商)”最低求助积分说明 636459
邀请新用户注册赠送积分活动 603625